CN104965953A - 一种青少年身高预测模型的建立方法 - Google Patents
一种青少年身高预测模型的建立方法 Download PDFInfo
- Publication number
- CN104965953A CN104965953A CN201510410334.0A CN201510410334A CN104965953A CN 104965953 A CN104965953 A CN 104965953A CN 201510410334 A CN201510410334 A CN 201510410334A CN 104965953 A CN104965953 A CN 104965953A
- Authority
- CN
- China
- Prior art keywords
- height
- age
- years old
- represent
- prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种青少年身高预测模型的建立方法,其包括以下步骤:连续M年追踪测试N个青少年从S岁到S+M-1岁每年的身高和骨龄,并记录当年的生活年龄;测量这N个青少年S+M岁时的身高;利用这N个青少年S岁到S+M-1岁每年的生活年龄、身高和骨龄,以及这N个青少年S+M岁时的身高构建样本集;将N个青少年S岁到S+M-1岁每年的生活年龄、每年的身高和每年的骨龄作为自变量,将N个青少年S+M岁时的身高作为因变量,建立三元线性回归的数学模型;利用线性回归分析工具,采用最小二乘法得到青少年S+M岁时的三元身高预测模型。本发明的有益效果为:结束了长期以来我国没有用中国人数据制定的身高预测公式的状况,得到了更适合中国人的身高预测模型。
Description
技术领域
本发明属于青少年身高预测领域,具体涉及一种青少年身高预测模型的建立方法。
背景技术
对处于儿童阶段的青少年预测其成年后的身高,这在青少年儿童生长发育状况评定和运动员科学选材中都具有重要意义。在儿童个体生长发育过程中的某一时间上,利用身高、骨龄等发育指标估计其将来生长终止时的身高,这就是成年身高预测。身高、骨龄等发育指标与成年身高的关系是身高预测的基础,因此对青少年身高的预测应依赖于对青少年发育指标的长期追踪研究。
过去我国没有中国青少年长期发育指标的追踪数据,因而也无法较准确地对中国青少年的身高进行预测。多年来,在青少年儿童生长发育研究和运动员科学选材中,一直采用欧美的身高预测公式对中国青少年的成年身高进行预测。由于亚洲人群与欧美人群身体上的差异,以往采用欧美的身高预测公式得到的中国青少年的成年身高是非常不准确的。
发明内容
为了解决现有技术存在的上述问题,本发明提供了一种青少年身高预测模型的建立方法,建立的青少年身高预测模型能够较准确地预测中国青少年未来的身高。
本发明所采用的技术方案为:一种青少年身高预测模型的建立方法,其包括以下步骤:1)连续M年追踪测试N个青少年的当年身高和当年骨龄,即从这N个青少年S岁起到S+M-1岁止,每年都测试这N个青少年的身高和骨龄,并记录当年的生活年龄;测量这N个青少年S+M岁时的身高;利用这N个青少年中第一个青少年S岁到S+M-1岁每年的生活年龄X11j、每年的身高X21j和每年的骨龄X31j,直至第N个青少年S岁到S+M-1岁每年的生活年龄X1Nj、每年的身高X2Nj和每年的骨龄X3Nj,以及这N个青少年S+M岁时的身高Yi构建样本集;其中,i表示青少年的个数,i=1,2,…,N;j表示连续追踪测试年数,j=1,2,…,M;2)将N个青少年S岁到S+M-1岁每年的生活年龄X1ij、每年的身高X2ij和每年的骨龄X3ij作为自变量,将N个青少年S+M岁时的身高Yi作为因变量,建立三元线性回归的数学模型:
Yi=β0+β1X1ij+β2X2ij+β3X3ij+μij,
式中,μij(i=1,2,…,N;j=1,2,…,M)表示随机误差,β0,β1,β2,β3表示系数;3)利用线性回归分析工具,采用最小二乘法对步骤1)构建的生活年龄、骨龄和身高的样本集中的数据进行线性回归分析,对步骤2)中建立的三元线性回归的数学模型进行估计,得到β0,β1,β2,β3的值,即青少年S+M岁时的三元身高预测模型为:
Y=β0+β1X1+β2X2+β3X3,
式中,Y表示预测青少年S+M岁时的身高,X1表示生活年龄,X2表示当年身高,X3表示当年骨龄。
所述步骤3)中,根据N个女青少年从7岁起到14岁止连续8年追踪测试的身高和骨龄,以及对这N个女青少年15岁时测量的身高,得到女青少年15岁的三元身高预测模型为:
Y15v=101.882212-3.287810×X1+0.720042×X2-0.769901×X3,
式中,X1表示生活年龄,X2表示当年身高,X3表示当年骨龄。
根据所述女青少年15岁的三元身高预测模型和定基比0.99,采用统计学动态分析方法中的定基比法,计算得到女青少年19岁的三元身高预测模型为:
Y19v=102.9113-3.321×X1+0.7273×X2-0.7777×X3,
式中,X1表示生活年龄,X2表示当年身高,X3表示当年骨龄。
所述步骤3)中,根据N个男青少年从7岁起到14岁止连续8年追踪测试的身高和骨龄,以及对这N个男青少年15岁时测量的身高,得到男青少年15岁的三元身高预测模型为:
Y15a=103.381446-3.431179×X1+0.887238×X2-1.993121×X3,
式中,X1表示生活年龄,X2表示当年身高,X3表示当年骨龄。
根据所述男青少年15岁的三元身高预测模型和定基比0.981,采用统计学动态分析方法中的定基比法,计算得到男青少年19岁的三元身高预测模型为:
Y19a=105.3837-3.4976×X1+0.9044×X2-2.0317×X3,
式中,X1表示生活年龄,X2表示当年身高,X3表示当年骨龄。
采用所述青少年身高预测模型的建立方法,根据N个女青少年从7岁起到14岁止连续8年追踪测试的身高、生活年龄以及对这N个女青少年15岁时测量的身高,得到女青少年19岁的二元身高预测模型为:
Y’19v=107.3322-3.9683×X1+0.6833×X2,
式中,X1表示生活年龄,X2表示当年身高。
采用所述青少年身高预测模型的建立方法,根据N个男青少年从7岁起到14岁止连续8年追踪测试的身高、生活年龄以及对这N个男青少年15岁时测量的身高,得到男青少年19岁的二元预测模型为:
Y’19a=116.1529-4.8683×X1+0.7674×X2,
式中,X1表示生活年龄,X2表示当年身高。
由于采用以上技术方案,本发明的有益效果为:通过逐年追踪测试大样本量的青少年每年的身高、骨龄和生活年龄,为研究计算中国人的身高预测公式提供了宝贵数据。利用这批数据和回归分析方法计算得到了中国人的身高预测公式,该公式国外的身高预测公式具有更高的准确性,从而结束了长期以来我国没有用中国人数据制定的身高预测公式的状况。
具体实施方式
下面结合实施例对本发明进行详细的描述。
本发明提供了一种青少年身高预测模型的建立方法,其包括以下步骤:
1)连续8年追踪测试N个青少年的当年身高和当年骨龄,即从这N个青少年7岁起到14岁止,每年都测试这N个青少年的身高和骨龄,并记录当年的生活年龄;测量这N个青少年15岁时的身高;
如表1所示,利用这N个青少年中第一个青少年7到14岁每年的生活年龄X11j、每年的身高X21j和每年的骨龄X31j,第二个青少年7到14岁每年的生活年龄X12j、每年的身高X22j和每年的骨龄X32j,......,第个i青少年7到14岁每年的生活年龄X1ij、每年的身高X2ij和每年的骨龄X3ij,......,第N个青少年7到14岁每年的生活年龄X1Nj、每年的身高X2Nj和每年的骨龄X3Nj,以及这N个青少年15岁时的身高Yi构建样本集。其中,i表示青少年的个数,i=1,2,…,N,j表示连续追踪测试年数,j的取值为:j=1,2,…,8。
表1生活年龄、骨龄和身高的样本集
2)将N个青少年7到14岁每年的生活年龄X1ij、每年的身高X2ij和每年的骨龄X3ij作为自变量,将N个青少年15岁时的身高Yi作为因变量,建立三元线性回归的数学模型:
Yi=β0+β1X1ij+β2X2ij+β3X3ij+μij (1)
式中,μij(i=1,2,…,N;j=1,2,…,8)表示随机误差,β0,β1,β2,β3表示系数。
3)利用线性回归分析工具,采用最小二乘法对步骤1)构建的生活年龄、骨龄和身高的样本集中的数据进行线性回归分析,对步骤2)中建立的三元线性回归的数学模型进行估计,得到如表2所示的三元回归计算结果表。
表2三元回归计算结果
三元回归(女) | 三元回归(男) | |
N | 440 | 624 |
β0 | 101.882212 | 103.381446 |
β1 | -3.287810 | -3.431179 |
β2 | 0.720042 | 0.887238 |
β3 | -0.769901 | -1.993121 |
R | 0.8217 | 0.8218 |
Sy | 3.0850 | 3.7682 |
F | 302.035(P<0.01) | 429.902(P<0.01) |
即女青少年15岁的三元身高预测模型为:
Y15v=101.882212-3.287810×X1+0.720042×X2-0.769901×X3 (2)
男青少年15岁的三元身高预测模型为:
Y15a=103.381446-3.431179×X1+0.887238×X2-1.993121×X3 (3)
式中,X1表示生活年龄,X2表示当年身高,X3表示当年骨龄。
由表2可见,复相关系数R都呈高度相关(0.82~0.83),对方程的F检验都是(P<0.01),表明计算得到的男女青少年15岁的身高预测模型是可靠的。
方程的剩余标准差Sy是反映回归方程预测精度的统计量,由于影响未来身高的因素不仅只有年龄、骨龄和身高,还有其他例如儿童的疾病和营养状况等许多因素,而这些因素是不可预测的。国际上使用的成年身高预测方法TW2Mark2法预测成年身高的剩余标准差Sy是3.8厘米,这表明本发明得到的青少年15岁的身高预测模型的预测精度和国际上使用的预测方程精度相仿。
4)采用统计学动态分析方法中的定基比法对步骤3)得到的青少年15岁的身高预测模型进行改进,得到青少年19岁的身高预测模型。
根据2005年和2010年全国体质监测公布的身高平均数,15岁女生的身高定基比是19岁的0.99,15岁男生的身高定基比是19岁的0.981,将女青少年15岁的身高预测模型的系数分别除以定基比0.99,计算得到女青少年19岁的三元身高预测模型为:
Y19v=102.9113-3.321×X1+0.7273×X2-0.7777×X3 (4)
将男青少年15岁的身高预测模型的系数分别除以定基比0.981,计算得到男青少年19岁的三元身高预测模型为:
Y19a=105.3837-3.4976×X1+0.9044×X2-2.0317×X3 (5)
当只有当前年龄和当前身高作为自变量时,采用最小二乘法对构建的年龄和身高的样本集中的数据进行线性回归分析,对建立的二元线性回归的数学模型进行估计,得到如表3所示的二元回归计算结果表。
表3二元回归计算结果
二元回归(女) | 二元回归(男) | |
N | 440 | 624 |
β0 | 106.258952 | 113.946029 |
β1 | -3.928665 | -4.775814 |
β2 | 0.676479 | 0.752830 |
β3 | —— | —— |
R | 0.8149 | 0.7904 |
Sy | 3.1334 | 4.0478 |
F | 431.987(P<0.01) | 517.029(P<0.01) |
由表3可见,复相关系数R都呈高度相关(0.79~0.82),对方程的F检验都是(P<0.01),表明计算得到的男女青少年15岁的身高预测模型也是可靠的。
采用与上述步骤4)相同的方法,将女青少年15岁的二元身高预测模型的系数除以定基比0.99,计算得到女青少年19岁的二元身高预测模型为:
Y’19v=107.3322-3.9683×X1+0.6833×X2 (6)
将男青少年15岁的二元身高预测模型的系数除以定基比0.981,计算得到男青少年19岁的二元预测模型为:
Y’19a=116.1529-4.8683×X1+0.7674×X2 (7)
实施例:出生年月日为2006年11月7日的男孩,2014年3月1日对其19岁时的身高进行预测。
按预测日期和出生年月日可以计算出该男孩的生活年龄为7.3岁(已将月换算为10进制),预测时的当年身高为130.1厘米,当年骨龄为7.5岁,将生活年龄、当年身高和当年骨龄带入男青少年19岁的三元预测模型,即
Y19a=105.3837-3.4976×7.3+0.9044×130.1-2.0317×7.5=182.3,
采用三元预测模型预测该男孩19岁时的身高为182.3厘米。
如果该男孩当年骨龄为6.5岁(晚熟),预测该男孩19岁时的身高为184.3厘米。如果该男孩当年骨龄为8.5(早熟),预测该男孩19岁时的身高为180.2厘米。可见,此男青少年19岁的三元身高预测模型能反映出发育程度不同对未来身高变化的影响。
当没有骨龄值时,采用男青少年19岁的二元预测模型对其19岁时的身高进行预测,即
Y’19a=116.1529-4.8683×7.3+0.7674×130.1=180.7,
采用二元预测模型预测该男孩19岁时的身高为180.7厘米。
由于缺少反映发育程度的骨龄参数,男女青少年19岁的二元身高预测模型比男女青少年19岁的三元身高预测模型的预测精度差。
本发明不局限于上述最佳实施方式,任何人在本发明的启示下都可得出其他各种形式的产品,但不论在其形状或结构上作任何变化,凡是具有与本申请相同或相近似的技术方案,均落在本发明的保护范围之内。
Claims (7)
1.一种青少年身高预测模型的建立方法,其包括以下步骤:
1)连续M年追踪测试N个青少年的当年身高和当年骨龄,即从这N个青少年S岁起到S+M-1岁止,每年都测试这N个青少年的身高和骨龄,并记录当年的生活年龄;测量这N个青少年S+M岁时的身高;
利用这N个青少年中第一个青少年S岁到S+M-1岁每年的生活年龄X11j、每年的身高X21j和每年的骨龄X31j,直至第N个青少年S岁到S+M-1岁每年的生活年龄X1Nj、每年的身高X2Nj和每年的骨龄X3Nj,以及这N个青少年S+M岁时的身高Yi构建样本集;其中,i表示青少年的个数,i=1,2,…,N;j表示连续追踪测试年数,j=1,2,…,M;
2)将N个青少年S岁到S+M-1岁每年的生活年龄X1ij、每年的身高X2ij和每年的骨龄X3ij作为自变量,将N个青少年S+M岁时的身高Yi作为因变量,建立三元线性回归的数学模型:
Yi=β0+β1X1ij+β2X2ij+β3X3ij+μij,
式中,μij(i=1,2,…,N;j=1,2,…,M)表示随机误差,β0,β1,β2,β3表示系数;
3)利用线性回归分析工具,采用最小二乘法对步骤1)构建的生活年龄、骨龄和身高的样本集中的数据进行线性回归分析,对步骤2)中建立的三元线性回归的数学模型进行估计,得到β0,β1,β2,β3的值,即青少年S+M岁时的三元身高预测模型为:
Y=β0+β1X1+β2X2+β3X3,
式中,Y表示预测青少年S+M岁时的身高,X1表示生活年龄,X2表示当年身高,X3表示当年骨龄。
2.如权利要求1所述的一种青少年身高预测模型的建立方法,其特征在于:所述步骤3)中,根据N个女青少年从7岁起到14岁止连续8年追踪测试的身高和骨龄,以及对这N个女青少年15岁时测量的身高,得到女青少年15岁的三元身高预测模型为:
Y15v=101.882212-3.287810×X1+0.720042×X2-0.769901×X3,
式中,X1表示生活年龄,X2表示当年身高,X3表示当年骨龄。
3.如权利要求2所述的一种青少年身高预测模型的建立方法,其特征在于:根据所述女青少年15岁的三元身高预测模型和定基比0.99,采用统计学动态分析方法中的定基比法,计算得到女青少年19岁的三元身高预测模型为:
Y19v=102.9113-3.321×X1+0.7273×X2-0.7777×X3,
式中,X1表示生活年龄,X2表示当年身高,X3表示当年骨龄。
4.如权利要求1所述的一种青少年身高预测模型的建立方法,其特征在于:所述步骤3)中,根据N个男青少年从7岁起到14岁止连续8年追踪测试的身高和骨龄,以及对这N个男青少年15岁时测量的身高,得到男青少年15岁的三元身高预测模型为:
Y15a=103.381446-3.431179×X1+0.887238×X2-1.993121×X3,
式中,X1表示生活年龄,X2表示当年身高,X3表示当年骨龄。
5.如权利要求4所述的一种青少年身高预测模型的建立方法,其特征在于:根据所述男青少年15岁的三元身高预测模型和定基比0.981,采用统计学动态分析方法中的定基比法,计算得到男青少年19岁的三元身高预测模型为:
Y19a=105.3837-3.4976×X1+0.9044×X2-2.0317×X3,
式中,X1表示生活年龄,X2表示当年身高,X3表示当年骨龄。
6.如权利要求1所述的一种青少年身高预测模型的建立方法,其特征在于:采用所述青少年身高预测模型的建立方法,根据N个女青少年从7岁起到14岁止连续8年追踪测试的身高、生活年龄以及对这N个女青少年15岁时测量的身高,得到女青少年19岁的二元身高预测模型为:
Y’19v=107.3322-3.9683×X1+0.6833×X2,
式中,X1表示生活年龄,X2表示当年身高。
7.如权利要求1所述的一种青少年身高预测模型的建立方法,其特征在于:采用所述青少年身高预测模型的建立方法,根据N个男青少年从7岁起到14岁止连续8年追踪测试的身高、生活年龄以及对这N个男青少年15岁时测量的身高,得到男青少年19岁的二元预测模型为:
Y’19a=116.1529-4.8683×X1+0.7674×X2,
式中,X1表示生活年龄,X2表示当年身高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510410334.0A CN104965953A (zh) | 2015-07-13 | 2015-07-13 | 一种青少年身高预测模型的建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510410334.0A CN104965953A (zh) | 2015-07-13 | 2015-07-13 | 一种青少年身高预测模型的建立方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104965953A true CN104965953A (zh) | 2015-10-07 |
Family
ID=54219991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510410334.0A Pending CN104965953A (zh) | 2015-07-13 | 2015-07-13 | 一种青少年身高预测模型的建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104965953A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528824A (zh) * | 2016-11-17 | 2017-03-22 | 包磊 | 一种用户身高数据的预警分析方法和装置 |
CN107595248A (zh) * | 2017-08-31 | 2018-01-19 | 郭淳 | 一种检测和评价儿童生长发育状况的方法和系统 |
CN107731304A (zh) * | 2017-09-30 | 2018-02-23 | 北京好啦科技有限公司 | 一种身高预测方法及系统 |
CN108836338A (zh) * | 2018-04-04 | 2018-11-20 | 浙江康体汇科技有限公司 | 一种基于web数据库的在线骨龄计算及身高预测方法 |
CN110222459A (zh) * | 2019-06-14 | 2019-09-10 | 成都高鹿科技有限公司 | 一种个体身高分析方法、系统、可读存储介质及终端 |
CN110215211A (zh) * | 2019-06-14 | 2019-09-10 | 成都高鹿科技有限公司 | 个体身高测量及分析方法、系统、可读存储介质及终端 |
CN112397202A (zh) * | 2020-10-20 | 2021-02-23 | 浙江工业大学 | 一种青少年儿童身高生长曲线的预测方法 |
CN115274098A (zh) * | 2022-08-19 | 2022-11-01 | 北京咯咯网络科技有限公司 | 一种基于骨龄与身高来预测身高的智能系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1118243A (zh) * | 1994-09-05 | 1996-03-13 | 山东省体育科学研究所 | 青少年骨龄测定及身高预测盘 |
CN102045594A (zh) * | 2009-10-16 | 2011-05-04 | 康佳集团股份有限公司 | 一种由机顶盒实现预测子女成年时身高的方法 |
CN104504297A (zh) * | 2015-01-21 | 2015-04-08 | 甘肃百合物联科技信息有限公司 | 一种利用神经网络的高血压预测方法 |
-
2015
- 2015-07-13 CN CN201510410334.0A patent/CN104965953A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1118243A (zh) * | 1994-09-05 | 1996-03-13 | 山东省体育科学研究所 | 青少年骨龄测定及身高预测盘 |
CN102045594A (zh) * | 2009-10-16 | 2011-05-04 | 康佳集团股份有限公司 | 一种由机顶盒实现预测子女成年时身高的方法 |
CN104504297A (zh) * | 2015-01-21 | 2015-04-08 | 甘肃百合物联科技信息有限公司 | 一种利用神经网络的高血压预测方法 |
Non-Patent Citations (3)
Title |
---|
徐济达 等: "儿童少年的身高预测", 《中国学校卫生》 * |
赵新顺: "移用泰纳等人:《成人身高预测多元回归方程》适应性及其修正的研究探讨", 《中国体育科学学会学报》 * |
黄红 等: "利用骨龄预测儿童成年身高的研究", 《中华儿童保健杂志》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528824A (zh) * | 2016-11-17 | 2017-03-22 | 包磊 | 一种用户身高数据的预警分析方法和装置 |
CN107595248A (zh) * | 2017-08-31 | 2018-01-19 | 郭淳 | 一种检测和评价儿童生长发育状况的方法和系统 |
CN107731304A (zh) * | 2017-09-30 | 2018-02-23 | 北京好啦科技有限公司 | 一种身高预测方法及系统 |
CN108836338A (zh) * | 2018-04-04 | 2018-11-20 | 浙江康体汇科技有限公司 | 一种基于web数据库的在线骨龄计算及身高预测方法 |
CN110222459A (zh) * | 2019-06-14 | 2019-09-10 | 成都高鹿科技有限公司 | 一种个体身高分析方法、系统、可读存储介质及终端 |
CN110215211A (zh) * | 2019-06-14 | 2019-09-10 | 成都高鹿科技有限公司 | 个体身高测量及分析方法、系统、可读存储介质及终端 |
CN112397202A (zh) * | 2020-10-20 | 2021-02-23 | 浙江工业大学 | 一种青少年儿童身高生长曲线的预测方法 |
CN112397202B (zh) * | 2020-10-20 | 2024-03-29 | 浙江工业大学 | 一种青少年儿童身高生长曲线的预测方法 |
CN115274098A (zh) * | 2022-08-19 | 2022-11-01 | 北京咯咯网络科技有限公司 | 一种基于骨龄与身高来预测身高的智能系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104965953A (zh) | 一种青少年身高预测模型的建立方法 | |
Wang et al. | New techniques for the detection and adjustment of shifts in daily precipitation data series | |
Marchane et al. | Climate change impacts on surface water resources in the Rheraya catchment (High Atlas, Morocco) | |
CN110197020B (zh) | 一种环境变化对水文干旱影响的分析方法 | |
Palahı́ et al. | Site index model for Pinus sylvestris in north-east Spain | |
Bams et al. | An evaluation framework for alternative VaR-models | |
CN105136736B (zh) | 在线近红外样本量确定方法 | |
CN109918614B (zh) | 一种基于模态学习的全局动应变测量方法 | |
KR100867938B1 (ko) | 종속변수 유사도와 커널 회귀법을 이용한 발전소 계측기성능감시용 예측방법 | |
Jiang et al. | Application of Nonlinear Mixed-Effects Modeling Approach in Tree Height Prediction. | |
CN109685334B (zh) | 一种新的基于多尺度理论的水文模型模拟评估方法 | |
CN104484708B (zh) | 一种基于一元线性回归和最小二乘法的商品需求预测方法 | |
CN108595814B (zh) | 一种基于实测的多年降水数据模拟逐日降水量的方法 | |
CN107944466B (zh) | 一种基于分段思想的降雨偏差纠正方法 | |
KR20120081544A (ko) | 수질 일반항목을 이용한 총인 측정 방법 | |
CN111191386A (zh) | 一种多尺度相容的林木年生长模型组建模方法 | |
CN107066786A (zh) | 基于神经网络的气溶胶光学厚度反演算法 | |
CN109145258A (zh) | 基于非线性拟合的威布尔分布参数置信区间估计方法 | |
Hynek et al. | Exponentially weighted moving average chart as a suitable tool for nuchal translucency quality review | |
CN110672058B (zh) | 结构监测用传感器的在线校准数据序列匹配方法和装置 | |
CN109858699B (zh) | 水质定量模拟方法、装置、电子设备及存储介质 | |
Calama et al. | Management oriented growth models for multifunctional Mediterranean forests: the case of stone pine (Pinus pinea L.) | |
CN117131977B (zh) | 一种基于误判风险最小准则的径流预报样本集划分方法 | |
Zhou | Application of weighted markov chain in stock price forecasting | |
Brodziak et al. | Which recruitment scenario is most likely for conducting future stock projections of Western and Central North Pacific Ocean striped marlin? |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151007 |